Fuzzy Logic vs Neural Network
Fuzzy Logic tillhör familjen av högvärdig logik. Den fokuserar på fasta och ungefärliga resonemang i motsats till fasta och exakta resonemang. En variabel i fuzzy logic kan ha ett sanningsvärdesområde mellan 0 och 1, i motsats till att ta sant eller falskt i traditionella binära uppsättningar. Neurala nätverk (NN) eller artificiella neurala nätverk (ANN) är en beräkningsmodell som är utvecklad utifrån de biologiska neurala nätverken. En ANN består av artificiella neuroner som ansluter till varandra. Vanligtvis anpassar en ANN sin struktur baserat på informationen som kommer till den.
Vad är Fuzzy Logic?
Fuzzy Logic tillhör familjen av högvärdig logik. Den fokuserar på fasta och ungefärliga resonemang i motsats till fasta och exakta resonemang. En variabel i fuzzy logic kan ha ett sanningsvärdesområde mellan 0 och 1, i motsats till att ta sant eller falskt i traditionella binära uppsättningar. Eftersom sanningsvärdet är ett intervall kan det hantera partiell sanning. Början av fuzzy logic markerades 1956, med införandet av fuzzy set theory av Lotfi Zadeh. Fuzzy logic ger en metod för att fatta definitiva beslut baserat på oprecisa och tvetydiga indata. Fuzzy logic används ofta för tillämpningar i styrsystem, eftersom den liknar hur en människa fattar beslut men på ett snabbare sätt. Fuzzy logik kan integreras i styrsystem baserade på små handhållna enheter till stora PC-arbetsstationer.
Vad är neurala nätverk?
ANN är en beräkningsmodell som är utvecklad utifrån de biologiska neurala nätverken. En ANN består av artificiella neuroner som ansluter till varandra. Vanligtvis anpassar en ANN sin struktur baserat på den information som kommer till den. En uppsättning systematiska steg som kallas inlärningsregler måste följas när man utvecklar en ANN. Vidare kräver inlärningsprocessen inlärningsdata för att upptäcka den bästa driftpunkten för ANN. ANN kan användas för att lära sig en approximationsfunktion för vissa observerade data. Men när man tillämpar ANN finns det flera faktorer man måste ta hänsyn till. Modellen måste väljas noggrant beroende på data. Att använda onödigt komplexa modeller skulle göra inlärningsprocessen svårare. Att välja rätt inlärningsalgoritm är också viktigt, eftersom vissa inlärningsalgoritmer fungerar bättre med vissa typer av data.
Vad är skillnaden mellan Fuzzy Logic och Neural Networks?
Fuzzy logik gör det möjligt att fatta definitiva beslut baserat på oprecisa eller tvetydiga data, medan ANN försöker införliva mänskliga tankeprocesser för att lösa problem utan att matematiskt modellera dem. Även om båda dessa metoder kan användas för att lösa olinjära problem, och problem som inte är korrekt specificerade, är de inte relaterade. I motsats till Fuzzy logic försöker ANN tillämpa tankeprocessen i den mänskliga hjärnan för att lösa problem. Vidare inkluderar ANN en inlärningsprocess som involverar inlärningsalgoritmer och kräver träningsdata. Men det finns intelligenta hybridsystem utvecklade med dessa två metoder som kallas Fuzzy Neural Network (FNN) eller Neuro-Fuzzy System (NFS).
